机器学习可以通过观察患者的运动来帮助医生诊断帕金森氏症

来自Skoltech和A.I. Burnazyan联邦医疗和生物物理中心的科学家们设计并开发了一个基于人工智能辅助视频分析的第二意见系统，可以帮助医疗专业人员客观地评估帕金森病(PD)患者，甚至在早期阶段。这种方法有助于避免误诊，区分其分期，调整治疗，并推荐确诊患者进行脑深部刺激手术。论文发表于IEEE传感器杂志。

越来越多的人神经退行性疾病由于人口老龄化，这将意味着在未来几十年，人类可能面临真实的帕金森病大流行。PD是目前发展最快的神经退行性疾病，对患者生活质量的影响比较严重，需要尽早准确诊断。目前的挑战是如何区分帕金森症和其他具有类似运动症状的疾病，例如原发性震颤。到目前为止，PD还没有一个单一的生物标志物可以被用来一致地诊断它，医生不得不依赖他们的观察，这往往导致错误的诊断揭示在病理检查。

助理教授安德烈·索莫夫(Andrey Somov)和他的同事们建立了一个所谓的第二意见系统，该系统使用机器学习算法来分析病人执行特定运动任务的视频记录。在一项小型试点研究中，该系统在检测PD潜在病例和区分原发性震颤方面表现出非常高的水平。

该系统使用视频录制，使诊断过程快速，不突兀和舒适的患者。该团队设计了一套15种常见的锻炼方式，如走路、坐在椅子上、站起来、叠毛巾、倒杯水、用食指摸鼻子等。这些是一般和精细的运动，完全没有运动(以评估休息时的震颤)和一些临床医生用来评估震颤的活动。

这些练习是在神经学家的监督下设计的，并来自多个不同的来源，包括用于监测帕金森氏症的量表，以及此前在这一领域所做的研究。每一项运动都有一个可以揭示的目标症状，”Skoltech博士生、论文合著者叶卡捷琳娜·科瓦连科解释道。

在初步研究中，83名患有或没有神经退行性疾病的患者被记录执行这些任务。然后使用一种软件对视频进行处理，该软件将关键点放置在人体关节和身体其他部位上，创建运动对象的简化模型。这些都是用机器学习技术进行分析的。

该团队表示，视频和机器学习的使用为诊断过程引入了一定程度的客观性，允许研究人员和医生检测出非常具体的疾病特征及其分期，而这些特征是肉眼看不到的。

“我们的初步结果显示了视频分析在改善诊断方面的潜力。我们的目标是为医生和临床医生提供另一种意见，而不是取代他们。基于视频的方法可能对患者来说是最方便的，因为与各种传感器和测试相比，它是最通用和无创的，”作者在论文中写道。

“我们在这项研究中使用的机器学习和计算机视觉方法已经在许多医疗应用中建立了良好的基础;帕金森病的诊断练习已经由神经学家开发了一段时间。这项研究真正的新之处在于，我们根据这些练习对精确和具体的最终诊断的贡献，对它们进行了定量排名。这只能在医生、数学家和工程师之间的合作中实现，”该项研究的合著者、Skoltech副教授Dmitry Dylov说。

在早期的研究Somov的团队还在一项类似的可行性研究中使用了可穿戴传感器，帮助他们检测出最有信息的练习，用于机器学习辅助诊断帕金森氏症。

“作为研究过程的一部分，我们有机会与医生和医务人员密切互动，他们分享了他们的想法和经验。观察两个看似不同的学科如何结合在一起帮助人们是一件很有趣的事情。我们也有机会监控研究的所有部分，从设计方法到数据分析和机器学习”,Kovalenko说。

“医生和科学家在数据分析方面的合作，允许许多重要的临床细微差别和细节，从而帮助实现最佳结果。”作为医生，我们看到了这方面的巨大潜力;除了鉴别诊断外，我们需要客观的工具来评估帕金森病患者的运动波动。这些工具可以提供一种更个性化的治疗方法，并帮助做出神经外科干预的决定，以及稍后评估手术的结果，”神经学家Ekaterina Bril，该论文的合著者指出。

安德烈·索莫夫说球队的下一个目标是合并视频分析以及检测PD和诊断其阶段的传感器数据，他们希望这将提高准确性。“我们也牢记我们工作的创新方面——我们的团队同意把我们的研究结果转换成直观的软件产品是有意义的。我们相信我们的联合研究将会对帕金森病患者产生积极的影响。”他补充道。

---

---